76_SolarForecast - Informationen/Ideen zu Weiterentwicklung und Support

[DS_Starter]

Ja ... und wie ruft man eine Benutzeroberfläche (nicht API) von einem FHEM-Server (nicht Browser) aus auf und interagiert damit?

Vllt. habe ich ja einen Knoten im Hirn. 

ChatGPT sagt ja selbst:

my $res = $ua->post(
    "https://api.openai.com/v1/responses",
    "Content-Type"  => "application/json",
    "Authorization" => "Bearer $apikey",
    Content => $json

[300P]

Kein direkter Aufruf !!! aus SF heraus.
Irgendwie als "Export / Fenster /Popuausgabe" etc. möglich machen

Das ist der entscheidende Unterschied.

Ich analysiere per ChatGPT - aber über die Benutzeroberfläche -  nicht über die OpenAI-API.
(Sind ja zwei unterschiedliche Dienste)

ChatGPT                                                     OpenAI API
Chat-Fenster                                       Programmierschnittstelle für Software
Mit Free/Plus/Pro nutzbar                           Separater API-Account erforderlich
manuell Daten kopieren und hineinlegen in ChatGPT       FHEM sendet sie automatisch
Keine Programmierung nötig                       API-Key und HTTP-Requests notwendig

Deshalb kannst ich seit Monaten meine Ergebnisse fortlaufend auswerten – das kostet nichts zusätzlich.

KEINE API- Anbindung !!
Meist schreib ich nur : "Hier ein neues Ergebnis zur Bewertung"
- uns dann muss ich aktuell immer wieder alle XYX "Dreiecke" in dem Popup anklicken - kopieren - und in den Chat nach ChatGPT hinein kopieren. Fertig

[DS_Starter]

Meist schreib ich nur : "Hier ein neues Ergebnis zur Bewertung"
- uns dann muss ich aktuell immer wieder alle XYX "Dreiecke" in dem Popup anklicken - kopieren - und in den Chat nach ChatGPT hinein kopieren. Fertig

Passt doch ... 

Du kannst auch jetzt bereits "get ... valDecTree aiConTrainState" zur Ausgabe nutzen.

Edit: Oder meinst du zwar diesen Weg, aber eine mehr "textlastige" Ausgabe wie ein JSON oder sowas was man direkt rauskopieren kann um es irgendwo einzufügen?

[300P]

JA das ist aktuell wohl die einzige kostenlose Möglichkeit mit LLM

- muss nur klick/klick/klick/klick/klick und kopieren / einfügen

außer ich würde evtl. mal irgendwann überlegen mir eine lokale LLM wie "Ollama" (OpenSource) als Alternative auf einem RPI zu installieren   

[300P]

"textlastige" Ausgabe wie ein JSON oder sowas was man direkt rauskopieren kann um es irgendwo einzufügen?

[DS_Starter]

Mal schauen ob ich da was machen kann.

[satempfaenger]

Eine Bitte an WP-Nutzer die die Verbrauchsvorhersage mit FANN nutzen.
Wie hoch ist euer Model-Bias nach dem Training in etwa? (Mir ist bewußt, dass der Wert nicht immer gleich ist).

LG,
Heiko

Hier noch meine Daten einer Luft/Wasser-Wärmepumpe

bestes Modell bei Epoche: 1250 (max. 15000)
Training MSE: 0.010504
Validation MSE: 0.007515
Validation MSE Average: 0.007758
Validation MSE Standard Deviation: 0.000157
Validation Bit_Fail: 16
Data Parameter Ratio: 8.090
Model Bias: 294 Wh
Model Slope: 0.86
Trainingsbewertung: blau

Gruß Wolfgang

[DS_Starter]

Hallo Wolfgang,

Model Bias: 294 Wh ist perfekt. Der blaue Status kommt durch die Überschreitung des BitFail-Limits.
Möglicherweise hast du in deinen Datensätzen Ausreißer mit sehr hohen Werten. Das könnten fehlerhafte Aufzeichnungen sein.
Aber auch der Slope sieht sehr gut aus. Wenn die Prognose schlüssig ist würde ich da keinen Handlungsbedarf sehen.

LG,
Heiko

[DS_Starter]

Hallo zusammen,

im contrib liegt ein Update der 2.8.1.
Die Auflistung enthält alle relevanten Änderungen zur letzten offiziell eingecheckten Version.
Für eine bessere Übersicht führe ich alle Neuigkeiten der contrib-Version auf, auch wenn sie evtl. bereits bekannt sind.
Der Unterschied zum letzten Update der angegebenen contrib-Version ist mit "NEU" gekennzeichnet.


- der Consumertyp 'heatpump' ist nun für Planung und automatisches Schalten durch SF geöffnet.
  Es gelten also die üblichen Schlüssel und Funktionalitäten. Um eine Planung auszuschließen, setzt
  mode=mustNot explizit. Wie schon diskutiert, vermeidet parallele Steuerungen durch SF und den nativen
  WP-Controller.

- die Gründe für einen Retrainstatus sieht man im KI con-Statusdashboard

- mit dem Schlüssel plantControl->writeForceType kann man eine Datenspeicherung im Filesystem erzwingen statt configDB (wenn verwendet).

- heatpump-Consumer können für jeden Betriebsmodus ein separates Icon und ggf. Farbe zugewiesen werden.
  (https://forum.fhem.de/index.php?msg=1366158)
      Dazu gibt des den spezifischen Schlüssel opmodeIcons. Man kann die zu übergebende Komma getrennte Liste mehrzeilig eingeben,
      muß dann aber die gesamte Liste in " " einschließen, z.B.:

  opmodeIcons="heating->sani_heating_heatpump@red, 
              cooling->sani_cooling@blue,
              hotwater->sani_water_hot@red,
              defrost->sani_cooling_temp@orange,
              off->sani_heating_heatpump@grey"
             
             
- TEST: Übernahme dynamische Icongestaltung der Consumer auch in das Consumerpaneel
        (Umsetzung zur Entscheidungsfindung - Meinungen sind gefragt)

- die WP-Betriebsmodi werden nach dem gespeicherten Punktesystem im KI Training verwendet (bei gesetzten heatpump-Flag)
      Hinweis: KI-Nutzer mit gesetzten heatpump-Flag müssen neu trainieren!!
     
- Speicherung zeitgewichtete Empfehlung Verbrauchernutzung

- NEU: Der Consumer type=noSchedule ist als deprecated gekennzeichnet und soll nicht mehr verwendet werden.
      Statt dessen gibt es schon lange den Ersatz mode=mustNot.
     
- NEU: Die Verbräuche der registrierten Consumer werden im Training als Feature dem NN bereitgestellt
      Hinweis: Auch diese Ergänzung bedingt ein neues Training


LG,
Heiko